双重弱监督异常检测和无监督细分,用于实时铁路外围入侵监控

科学领域:

• 人工智能的人工智能
• 计算机视觉 计算机视觉
• 铁路工程 铁路工程是指铁路工程.

背景情况:

• 高速列车运行需要先进的轨道入侵检测系统.
• 机载系统由于计算限制和运动模糊而面临限制.
• 对轨道周边有效监控对于安全至关重要.

研究的目的:

• 开发一个智能监控系统,用于高速列车轨道上的异物.
• 解决数据集注释和未识别目标检测方面的挑战.
• 为了增强实时异常检测和定位能力.

主要方法:

• 实施了弱监督的视频异常检测和无监督的前景细分.
• 利用Xception3D预训练和注意力机制来提取特征.
• 雇佣的Top-K样本选择,振幅得分/特征损失,以及用于异常歧视的时间平滑.
• 应用了一个多尺度变异自动编码器来进行异物本地化.
• 设计了一个像素级背景重量分布损失函数.

主要成果:

• 视频异常检测模型实现了0.99.9的曲线下的面积 (AUC).
• 该系统在0.41秒内处理2秒的视频段.
• 前沿细分算法在轨道异常数据集上获得了F1评分0.9030,在CDnet2014上获得了0.8375的F1评分.
• 实现了每秒91 (FPS) 的处理速度,用于前景细分.

结论:

• 开发的系统有效地监控高速列车轨道上的异物.
• 弱监督学习和先进的深度学习技术提高了检测准确性和效率.
• 该系统展示了高性能和实时处理能力,证实了其实际实用性.